王晖 河南理工大学经济管理学院 成长性评价研究——基于因子分析法

河南省上市公司成长性评价研究——基于因子分析法王晖郑宏涛（河南理工大学经济管理学院，河南焦作454000）[摘要]企业的成长是一个动态的过程。

具体评价企业成长性应着眼于两个方面，一是采用何种方法，二是如何建立评价指标。

文章基于全面、综合、客观的原则，采用因子分析法，依据较为广泛的财务指标作为评价基础，对河南省30家A股上市公司的成长性进行了评价研究。

结论表明，河南省已拥有一批行业地位显著、经营稳定、具有持续发展能力的优质上市公司，且传统行业也具有较大的成长潜力。

但同时应看到，企业上市不等于持续成长，业态相似也不等于业绩相似。

[关键词]因子分析；评价；成长性；上市公司；河南省[中图分类号] F272。

5 [文献标识码] AEvaluation Studies on the Growth of Listed Companies in Henan Province——Based on Factor AnalysisWang HuiSchool of Economics and Management, Henan Polytechnic University, China, 454000Abstract: The development of enterprises is a dynamic process. To evaluate the growth of companies should focus on evaluation methods and the evaluation indexes. This paper adopts the method of factor analysis and selects the common finance indexes based on the overall, comprehensive, and objective principle to evaluate the growth of 30 listed companies in Henan province. The findings indicate that there are a number of fine listed companies which are of prominent industry position, stability of management, and capability for sustainable development in Henan province, and the traditional industries also have potential to grow. Meanwhile, the listing of companies is not equal to healthy growth, similitude in trade is not equal to that of performance.Keywords: Factor Analysis, Evaluation, Growth, Listed Companies, Henan Province壹、导轮企业的成长是一个动态的过程,它是企业根据内外部环境的变化不断进行适应调整的过程。

公司的成长性是指公司在自身的发展过程中,通过生产要素与生产成果变动速度间的优化而获得公司价值的增长能力,其表现为公司产业与行业具有发展性,产品前景广阔,公司规模逐年扩张、经营效益不断增长（陈晓红等，2006）[1]。

企业的成长性取决于自身的潜在发展能力和外部环境特征，其中，外部环境特征突出表现为企业所属行业的成长性，而对企业内在成长性应该从企业的技术创新能力、产品的市场潜力、经营效率、公司治理状况等方面来展开（蔡宁等，2001）[2]。

在具体评价企业成长性应着眼于两个方面，一是采用何种方法进行，二是如何建立评价指标。

第一，评价成长性的方法。

目前，评价企业成长性的方法主要有突变级数法、灰色关联法（GRA）以及因子分析法三种（1）突变级数法。

突变级数法是一种对评价目标进行多层次分解,然后利用突变理论与模糊数学相结合产生突变模糊隶属函数,再由归一公式进行综合量化运算,最后归一为一个参数,即求出总的隶属函数,从而对评价目标进行排序分析的一种综合评价方法。

朱顺泉（2002）采用突变级数法对我国上市公司绩效进行了评价[3]。

陈晓红等（2005）运用突变级数法对我国中小企业成长性进行了评价。

（2）灰色关联法（GRA）。

灰色关联度分析法是一种多因素统计分析方法,它是以各因素的样本数据为依据用灰色关联度来描述因素间关系的强弱、大小和次序,若样本数据反映出的两因素变化的态势(方向、大小和速度等) 基本一致, 则它们之间的关联度较大；反之,关联度较小。

陈晓红等（2005）运用灰色关联度法以82家深圳中小板公司为样本对我国中小企业成长性进行了评价。

2005年，陈晓红等还将灰色关联法与突变级数法进行了对比研究，认为两种方法对样本公司成长性排名评价有效性均较高,其中对高、低成长性公司的评价效果十分显著,而对一般成长性的公司,即成长性排名居中的公司的评价有效性略差[4]。

突变级数法不需对评价指标赋以权重,大大减少了人为主观性,使评价结果更加科学准确，但在评价中易出现最终评价值雷同的现象。

而GRA方法的优点在于思路清晰,对数据要求较低。

其主要缺点在于要求须对各项指标的最优值进行现行确定,主观性过强,部分指标最优值难以确定。

（3）因子分析法。

因子分析法就是依据相关性将观测变量进行分类，同一类变量之间的相关性较高，不同类的变量之间的相关性较低，每一类的变量实际上就代表了一个本质因子。

李定珍等（2007）年以20家A股零售企业为样本采用因子分析法分析了成长性的影响因素[5]。

第二，评价指标的建立问题。

1999年，吴世农等提出影响成长性的五个关键因素是资产周转率、销售毛利率、负债比率、主营业务收入增长率和期间费用率,而且据此建立了上市公司成长性的判定模型并进行实证研究[6]。

随后，国内众多学者设计了许多评价指标体系，这其中以中南大学商学院中小企业发展研究中心（2004）的评价体系比较具有代表性[7]。

朱顺泉（2002）、陈晓红等（2005）、李定珍等（2007）在随后的研究中也选用了财务指标，但分析指标的数量和性质并不相同。

如：陈晓红等选择了主营业务收入增长率、每股收益（EPS）增长率、每股净资产增长率、主营收入毛利率、净资产收益率（ROE）等9项指标作为基础进行分析[4]；李定珍等选择ROE、资产收益率（ROA）、净利润率、主营毛利率、资产负债率的倒数等13个指标进行评价[5]。

从国内的实践来看，许多研究机构近年来相继推出了若干国内上市公司成长性排行榜，从评价指标的选择上看，大同小异，基本上包括了企业的发展能力、营运能力、盈利能力、偿债能力等主要财务比率。

贰、河南省上市公司成长性综合评价方法的确定一、基于因子分析法进行成长性综合评价我们运用因子分析法对省内A股上市公司上市后的成长性进行评价。

这样做的理由有：（1）对企业成长性的表现评价需要全面综合评价，各个方面都有诸多不同的财务指标，评价基础指标不宜过少；（2）在综合评价时，众多的财务指标财务哪一个更重要，每一个指标应该分配多少权重，给综合评价带来了困难；（3）大部分财务比率是财务报表数据之间进行的比较，许多财务比率之间具有较强的相关性，给指标的选择确定带来了难度。

使用因子分析法一方面既然涵盖较多的指标，另一方面又免除了对财务指标权重设置和数据处理过程中的主观局限性。

评价的基本思路是：利用因子分析法的分析特点，找出存在的潜在成长性表现因子，把众多的评价指标的全部信息综合到因子上，然后，利用缩减后的潜在成长性表现因子作进一步分析，对河南省A股上市公司成长性表现评价。

二、基础财务指标的选择为了更全面客观地评价河南省A股上市公司自上市以来的成长性表现，本文选择了较为广泛的财务指标作为评价基础，企业成长性评估指标体系见表1。

表1：河南省上市公司成长性评估指标体系1一级指标名称二级指标名称指标编号指标性质盈利能力净资产收益率X1 正指标资产收益率X2 正指标销售净利率X3 正指标销售毛利率X4 正指标偿债能力资产负债率的倒数X5 适度指标流动比率X6 适度指标速动比率X7 适度指标营运能力总资产周转率X8 正指标存货周转率X9 正指标应收账款周转率X10 正指标成长能力主营业务收入增长率X11 正指标1沿用了李定珍等（2007）的指标选择方法。

正指标是指该指标的数值越大（高）越好。

总资产增长率X12 正指标净利润增长率X13 正指标表1表明，该指标体系主要分两个级别, 第一级包括盈利能力、偿债能力、营运能力、成长能力四个指标,每个指标下有若干子指标, 即二级指标。

它们按其重要性由大到小排列, 全部指标之间是互补关系。

叁、河南省A股上市公司成长性因子分析基于河南省30家A股样本公司共206个具体样本数据（数据来自国泰安数据库，时间为1997—2007年），采用成长性评估体系, 对河南省30家样本公司的综合成长性进行评价。

根据各公司年的财务数据进行计算,反映出变动趋势, 平均算出各家公司的综合得分, 最后对企业成长性进行评价排名。

一、因子分析结果通过SPSS软件进行了计算。

KMO 和Bartlett 检验情况如表2所示。

KMO （Kaiser-Meyer-Olkin）给出了抽样充足度的检验，本报告的KMO值为0.598,说明因子分析是适合的2。

同时，Bartlett球体检验的统计量较大，达到1980.786,且其对应的概率极小,应该认为原始变量之间适合于做因子分析。

我们选入了六个公共因子（见图1）, 13个指标可以综合成公共因子F1、F2、F3、F4、F5、F6,其累计方差贡献率78.704%（详见表2）。

图1：因子数量Scree Plot 碎石图2KMO的值在0.6表示适合因子分析,存在潜在的因子结构。

表2：总变差的解释度变量特征值方差贡献率（%）累计方差贡献率（%）X1 2.981 22.931 22.931X2 2.373 18.252 41.183X3 1.664 12.799 53.982X4 1.159 8.913 62.895X5 1.047 8.051 70.946X6 1.009 7.759 78.704X7 0.867 6.669 85.373X8 0.835 6.422 91.795X9 0.595 4.576 96.371X10 0.317 2.439 98.809X11 0.126 0.967 99.777X12 0.018 0.137 99.913X13 0.011 0.087 100.000我们主要考察旋转后的因子载荷矩阵（见表3），可以反映公共因子与各变量之间的关系。